Parametertests bei Normalverteilung mit zwei Stichproben
- Zweistichprobentests für die Parameter der
Normalverteilung:
- betrachten zwei Messreihen Xi (i = 1...n),
Yj (j = 1...m)
- Voraussetzungen
- Xi, Yj alle unabhängig
- Xi ~ N(μx, σ2x)
- Yj ~ N(μy, σ2y)
- Anwendung
- Merkmal unter zwei unterschiedlichen Bedingungen
- Merkmal in zwei verschiedenen Teilgesamtheiten
- Beispiele
- Wie wirkt sich eine Änderung in der Fertigung auf
die Qualität des Produkts aus?
- Wie unterscheiden sich Einkommen von männlichen
und weiblichen Arbeitnehmern?
- Wie wirkt sich ein Mathe-Vorkurs auf die
Klausurergebnisse aus?
- Auswahl der Testpersonen in der Praxis kritisch
- Haben die Versuchsgruppen (außer dem untersuchten
Unterschied) noch weitere Unterschiede?
- Haben beim Auswahlverfahren alle in der
betrachteten Grundgesamtheit gleiche Chance?
- Test auf μx = μy bei bekannten σx,
σy (Zweistichproben-z-Test):
- wähle Teststatistik
- H0 gilt → T ~ N(0,1)
- kritischer Wert c = z1−α/2
- |T| > c ↔ H0 wird verworfen
- Test auf μx = μy bei unbekannten,
aber gleichen σx, σy (Zweistichproben-t-Test):
- schätze S durch
- dies S ist bester Schätzer für σx = σy
- wähle Teststatistik
- H0 gilt → T ~ tn+m-2
- kritischer Wert c = tn+m-2,1−α/2
- |T| > c ↔ H0 wird verworfen
- Test auf μx = μy bei
unbekannten, nicht notwendig gleichen σx und σy
- erstaunlich schwierig (Behrens-Fisher-Problem)
- Übersicht und ein Lösungsvorschlag in [4]
- Schraubenlänge nach Wartung:
- Ist nach Wartung einer Maschine die mittlere
Schraubenlänge noch gleich?
- nehmen an, dass σ = 0.05 mm gleich geblieben ist
- führen Zweistichproben-z-Test durch
- Werte vorher
- 4.9204 5.0422 5.0408 4.9438 4.8945 4.9160 4.9507
4.9470 4.9169 4.9653
- Werte nachher
- 4.9795 4.9359 4.9858 4.9968 5.0500 4.9599 5.0046
5.0137 4.8933 5.0202 4.9521 4.9837
- Nullhypothese: mittlere Schraubenlänge vorher/nachher
ist gleich
- Signifikanzniveau α = 0.05
- kritischer Wert c = z1−α/2 = 1.9600
- Ergebnisse
- =
4.9538 mm
- =
4.9813 mm
- Teststatistik |T| = 1.2860
- |T| ≤ c → H0 wird akzeptiert
- Test auf σx = σy bei unbekannten μx
und μy (F-Test):
- schätze Sx, Sy wie immer durch
- wähle Teststatistik
- H0 gilt → T ~ Fn-1, m-1
- F-Verteilung mit n-1 und m-1 Freiheitsgraden
(s.u.)
- Quantile bezeichnet mit Fn-1,m-1;α
- F-Verteilung unsymmetrisch, daher zwei kritische
Werte
- c1 = Fn-1,m-1;α/2
- c2 = Fn-1,m-1;1-α/2
- T < c1 oder T > c2
↔ H0 wird verworfen
- Fm,n-Verteilung:
- stetige Verteilungsfunktion mit Parametern m > 0,
n > 0
- Dichtefunktion
- graphisch
- Eigenschaften
- Satz
- Seien X, Y unabhängige Zufallsgrößen mit
- X ~ χ2m
- Y ~ χ2n
- dann gilt
- Streuung der Schraubenlänge nach Verbesserung:
- neue Maschine soll Qualität verbessern, insbesondere
Streuung der Schraubenlängen verringern
- Nullhypothese: Streuung der Schraubenlängen ist
gleich geblieben
- führen F-Test durch mit α = 0.01
- kleiner Wert, weil man keine teure Maschine
kaufen will, die nichts bringt
- Werte vorher
- 5.0739 5.0270 4.9914 4.9420 4.9071 4.9699 4.9388
4.8843 4.9489 4.9060
- Werte nachher
- 5.0333 4.9861 5.0199 4.9841 5.0012 5.0047 4.9904
5.0644 5.0240 5.0359
- kritische Werte
- c1 = Fn-1,m-1;α/2 = 0.1529
- c2 = Fn-1,m-1;1-α/2 =
6.5411
- Ergebnisse
- Sx = 0.0586 mm
- Sy = 0.0258 mm
- Teststatistik T = 5.1416
- T > c1 und T < c2 → H0
wird akzeptiert
- Analyse
- Daten rechtfertigen neue Maschine nicht
- erscheint angesichts der Werte σx, σy
unplausibel
- möglicherweise Fehler 2.Art?
- bei Test der gleichen Daten mit α = 0.05 würde H0
verworfen
- Ausweg: mehr Daten, n = m = 100, s. schrauben100.dat
- kritische Werte c1 = 0.5933, c2
= 1.6854
- Sx = 0.0501 mm, Sy = 0.0304
mm
- Teststatistik T = 2.7083
- T > c2 → H0 wird
verworfen
- p-Wert = 6.2512e-07 → Maschine kann guten
Gewissens gekauft werden
- Aufgaben: